sidang tugas akhir penggalian pola asosiasi pada data ... file1. membantu pengelolaan data penjualan...

Dosen Pembimbing:

Rully Agus Hendrawan, S.Kom, M.Eng

Retno Aulia Vinarti, S.Kom, M.Kom

SIDANG TUGAS AKHIR

PENGGALIAN POLA ASOSIASI PADA DATA WAREHOUSE AGEN PERUSAHAAN MANUFAKTUR MENGGUNAKAN

MICROSOFT SQL SERVER (STUDI KASUS: PT. XYZ)

ANDHIKA PUTRA CAHYARIFIAN

5209100147

PENDAHULUAN

SIDANG TUGAS AKHIR

PENGGALIAN POLA ASOSIASI PADA DATA WAREHOUSE AGEN PERUSAHAAN MANUFAKTUR MENGGUNAKAN MICROSOFT SQL SERVER (STUDI KASUS: PT. XYZ)

Latar Belakang

• Agen PT. XYZ belum mengetahui potensi produk dan perilaku pelanggan

• Agen PT. XYZ masih kurang maksimal dalam mengelola data penjualan

• Data penjualan yang berjumlah ribuan belum bisa dijadikan pendukung keputusan

• Penyimpanan dan pengelolaan data yang lebih baik

• Pengelolaan data untuk mendukung keputusan manajemen

Perumusan Masalah

1. Bagaimana menyimpan dan mengelola data penjualan sehingga bisa digunakan untuk proses pengambilan keputusan?

2. Bagaimana melakukan association rule mining untuk merekomendasikan produk cross-selling ?

3. Berapakah ketepatan penggunaan metode association rule mining dalam meramalkan rekomendasi produk pada pelanggan agen PT. XYZ?

Batasan Masalah

• Data yang digunakan adalah data penjualan agen PT. XYZ di cabang Tunjungan Plaza, Grand City dan Pakuwon Trade Center.

• Data yang digunakan adalah laporan penjualan dengan satuan harian.

• Data penjualan yang digunakan yaitu selama satu tahun dengan waktu Januari 2012 hingga Desember 2012.

Tujuan Tugas Akhir

Tujuan dari pembuatan tugas akhir ini adalah : 1. Membantu pengelolaan data penjualan harian agen PT.

XYZ menggunakan data warehouse pada Microsoft SQL Server sehingga bisa digunakan untuk melakukan pengambilan keputusan.

2. Menemukan pola asosiasi data penjualan produk agen PT. XYZ menggunakan association rule mining sehingga agen PT. XYZ dapat memberikan rekomendasi cross-selling kepada pelanggan.

3. Mengetahui ketepatan penggunaan metode association rule mining untuk meramalkan penjualan produk pada agen PT. XYZ.

Manfaat Tugas Akhir

• Membantu agen PT. XYZ Surabaya untuk mengelola data laporan penjualan dengan adanya data warehouse

• Dapat menjadi salah satu solusi bagi agen PT. XYZ sebagai sistem pendukung keputusan dalam pemberian rekomendasi produk cross-selling dengan mempertimbangkan data laporan penjualan dengan penggunaan metode association rule mining.

METODOLOGI

SIDANG TUGAS AKHIR

PERAMALAN DAN PENGGALIAN POLA ASOSIASI PADA DATA WAREHOUSE AGEN PERUSAHAAN MANUFAKTUR MENGGUNAKAN MICROSOFT SQL SERVER (STUDI KASUS: PT. XYZ)

Metode Pengerjaan

ANALISIS DAN DESAIN

SIDANG TUGAS AKHIR


Analisis Proses Bisnis

• Untuk meningkatkan profit, salah satu cara yang perlu dilakukan agen PT. XYZ adalah mengetahui potensi produk dan perilaku pelanggannya.

• Mempertimbangkan produk yang memilki tingkat kepentingan tinggi bagi pelanggan dan juga memiliki keterkaitan dengan produk lain. Sehingga produk tersebut akan dapat memenuhi kebutuhan pelanggan kapanpun pelanggan membutuhkan produk tersebut.

Pelanggan melakukan

transaksi pembayaran di kasir

Pelanggan memilih produk Pelanggan memasukkan produk

dalam keranjang

Kasir mencetak faktur penjualan Pelanggan selesai

melakukan transaksi

Analisis Proses Bisnis

NO

FAKTUR

TANGGAL

TRANSAKSI

NAMA

TOKO

NAMA

PEMBELI

NAMA

PRODUK

KATEGORI

PRODUK

JUMLAH HARGA

PRODUK

TOTAL

HARGA

A8300002000 2012-01-01 PTC Medya Novrina

Putri

Bioglo Cherry Pink Lip Kecantikan 2 59000 118000

A8300002000 2012-01-01 PTC Medya Novrina

Putri

Bioglo Pure White Night Kecantikan 4 48000 192000

A8300002003 2012-01-01 PTC Enidar Instant Slim Thigh

Shaper L

Pakaian 1 135000 135000

A8100002000 2012-01-01 Grand City Farid Wahyudi Mildura Instant Ginger Makanan dan

Minuman

2 40000 80000

A8100002000 2012-01-01 Grand City Farid Wahyudi Nn Bilberry Eyebright

Plus

Kesehatan 2 150000 300000

A8100002000 2012-01-01 Grand City Farid Wahyudi Nn DHA Chewebles Kesehatan 3 89000 267000

A8200000186 2012-01-01 Tunjungan

Plaza

Ignatius Ismu Mildura Black Glutinous Makanan dan

Minuman

1 102000 102000

A8200000183 2012-01-02 Tunjungan

Plaza

M Alim Certified Org Spi

200mg-300

Kesehatan 2 135000 270000

Analisis Pembuatan Data Warehouse

• PT. XYZ membutuhkan beberapa laporan yang digunakan untuk meningkatkan produktivitas proses bisnisnya.

No Jenis laporan Data yang dibutuhkan

1 Laporan

penjualan

- Nomor faktur

- Tanggal transaksi

- Bulan

- Nama produk

- Jumlah produk

- Total harga

2 Laporan

penjualan tiap

toko

- Nama toko

- Nama produk

- Bulan

- Jumlah produk

- Total harga

3 Laporan

pelanggan

- Nama pelanggan

- Nomor faktur

- Nama produk

- Jumlah produk

4 Laporan faktur - Tanggal transaksi

- Nomor faktur

- Nama produk

- Jumlah produk

- Total harga

Perancangan ETL

Data Penjualan

Tunjungan Plaza

Data Penjualan

Grand City

Data Penjualan

PTC

Mengambil data yang

diperlukan, kemudian

disimpan didalam

tabel sementara SQL

Database Penjualan

agen PT. XYZ

Mengambil data yang


disimpan didalam

tabel sementara SQL

Mengambil data yang


disimpan didalam

tabel sementara SQL

Menjalankan script

untuk menjalankan

ETL

Data Warehouse PT. XYZ

Sumber data Penyimpanan data

Perancangan Skema DW

Relationship_1Relationship_2

Relationship_3

Relationship_5

Relationship_4

dim_waktu

id_waktu

tanggal

bulan

<pi> Integer

Date

Variable characters (15)

<M>

pk_1 <pi>

dim_toko

id_toko

nama_toko

<pi> Variable characters (10)


<M>

pk_1 <pi>

dim_pelanggan

id_pelanggan

nama_pelanggan



<M>

pk_1 <pi>

dim_faktur

id_faktur

nomor_faktur

<pi> Integer


<M>

pk_1 <pi>

dim_produk

id_produk

nama_produk

harga_produk

kategori_produk



Money


<M>

pk_1 <pi>

fact_transaksi

jumlah_produk

total_harga

Integer

Money

UJI COBA DAN IMPLEMENTASI

SIDANG TUGAS AKHIR


Proses Pembuatan ETL

Star Schema

Cube

Cube Laporan Penjualan Cube Laporan Pelanggan

Cube Penjualan Tiap Toko

Cube Laporan Faktur

Penerapan Association Rule Mining

Penggalian Asosiasi dim_faktur dan dim_produk

Khazanah Manjakani Sarapat = Existing Kristal Fresh = Existing

•Nilai probability 1 maka kemungkinan terjadinya pasti terjadi •0,5 jarang terjadi atau dalam artian ragu-ragu •< 0,5 cenderung tidak akan terjadi.

•Nilai importance > 1, berarti kedua item mempunyai korelasi positif •Nilai importance = 1, berarti kedua item merupakan produk yang independen •Nilai importance < 1, berarti kedua item mempunyai korelasi negatif


VERIFIKASI

VALIDASI

Menurut pihak agen PT. XYZ transaksi ini terjadi karena kedua produk berasal dari kategori yang sama yaitu kategori produk kecantikan. Selain itu, harga dari produk Kristal Fresh yang cenderung murah menyebabkan banyak pelanggan yang sering membeli produk ini bersamaan dengan produk lain.


Penggalian Asosiasi dim_pelanggan dan dim_produk

1. DC Musk Blossom Hand & Body = Existing, Nn Liquid Chlorofyl = Existing Mildura Cereal Low = Existing.(probability 0,53, importance 0,852)

2. Bioglo Body lotion = Existing, Nn Hi C Fruit Chewebles = Existing Kristal Fresh = Existing. (probability 0,89, importance 0,53)


Penggalian Asosiasi dim_waktu dan dim_produk

Rule Support Probability Importance

Avelon HFC & Scalp Repair = Existing Avelon HFC & Hair = Existing.

0,06 0,482 1,36

Bioglo Shape & Trim = Existing, Lelan Burst Serum = Existing Nn Liquid Chlorofyl = Existing

0,06 1 0,235

Bioglo Visibly Milk = Existing, Nn Hi C Fruit Chewebles = Existing Nn Liquid Chlorofyl = Existing.

0,06 1 0,235

Bioglo Shape & Trim = Existing, Bioglo Cherry Pink Lip = Existing Nn Liquid Chlorofyl = Existing.

0,06 1 0,232

Mildura Instant Ginger = Existing, Bioglo Cherry Pink Lip = Existing Kristal Fresh = Existing

0,08 1 0,153


Instant Slim Camisol L = Existing, Mildura Black Glutinous = Existing Kristal Fresh = Existing.

0,07 1 0,149

Nn Mixed Berry Plus = Existing, Nn Bilberry Eyebright Plus = Existing Kristal Fresh = Existing.

0,07 1 0,148

DC Musk Blossom Body Powder = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,069 1 0,145

Bioglo Skin Gel = Existing -> Kristal Fresh = Existing. 0,065 1 0,143

Nn Calcium Plus = Existing, Bioglo Cherry Pink Lip = Existing Kristal Fresh = Existing.

0,069 1 0,145

Bioglo Rose Hip Oil = Existing, DC Musk Blossom Hand & Body = Existing Kristal Fresh = Existing.

0,065 1 0,143

Bioglo Rose Hip Oil = Existing, Mildura Black Glutinous = Existing Kristal Fresh = Existing.

0,065 1 0,143

Nano Tech = Existing, Nn Bilberry Eyebright Plus = Existing Kristal Fresh = Existing.

0,065 1 0,143

Certified Org Spi 200mg-300 = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,065 1 0,143

Bioglo Goats Milk Body = Existing, DC Musk Blossom Hand & Body = Existing Kristal Fresh = Existing.

0,065 1 0,143

Bioglo Deodorant Snowhite = Existing, Nn Liquid Chlorofyl = Existing Kristal Fresh = Existing.

0,065 1 0,143

Bioglo Shape & Trim = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,065 1 0,143

Supa EPA = Existing, Mildura Black Glutinous = Existing Kristal Fresh = Existing.

0,065 1 0,143


Bioglo Goats Milk Body = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,06 1 0,140

Bio Pure Aloe Perfecting = Existing, Mildura Black Glutinous = Existing Kristal Fresh = Existing.

0,06 1 0,140

Bioglo Shape & Trim = Existing, Bioglo Cherry Pink Lip = Existing Kristal Fresh = Existing.

0,06 1 0,140

Mildura Coffee Ginseng = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,06 1 0,140

Pengukuran Akurasi

Rule Akurasi Recall Precision

Khazanah Manjakani Sarapat = Existing Kristal Fresh = Existing

0,87 0,50 0,06

Avelon HFC & Scalp Repair = Existing Avelon HFC & Hair = Existing

0,87 0,43 0,83

Bioglo Shape & Trim = Existing, Lelan Burst Serum = Existing Nn Liquid Chlorofyl = Existing.

0,64 1 0,1

Bioglo Rose Hip Oil = Existing, Mildura Black Glutinous = Existing Kristal Fresh = Existing.

0,4 0,875 0,09

Bioglo Shape & Trim = Existing, Lelan Burst Serum = Existing Kristal Fresh = Existing.

0,4 1 0,06

KESIMPULAN DAN SARAN

SIDANG TUGAS AKHIR


Kesimpulan

• Pembuatan data warehouse dapat membantu agen PT. XYZ dalam menyimpan dan mengelola data penjualan karena semua data penjualan tergabung jadi satu di data warehouse. Selain itu, data warehouse juga dapat membantu pihak manajemen agen PT. XYZ dalam mengambil keputusan dengan melakukan proses pembuatan cube. Hal ini terbukti lebih cepat seperti hasil yang telah dilakukan di uji coba pada bab 5.3.

• Berdasarkan hasil analisis penerapan association rule mining pada Microsoft SQL Server yang penulis lakukan, menghasilkan beberapa pola yang bisa dijadikan untuk rekomendasi cross-selling, yaitu pola dengan nilai importance lebih dari 1. Pola ini memiliki korelasi positif antar produk yang ada didalamnya, yaitu jika pelanggan membeli Avelon HFC & Scalp Repair maka pelanggan juga akan membeli Avelon HFC & Hair.

• Terdapat 22 pola yang pasti akan terjadi pada transaksi berikutnya, yaitu pola yang memiliki nilai probability atau probability 1. Namun pola ini tidak dapat dijadikan rekomendasi cross-selling karena korelasi negatif yang dimilikinya,

Kesimpulan • Terdapat 3 pola yang nilai importance dan probabilitnya <1, yang

artinya tidak dapat dijadikan rekomendasi cross-selling

• Hasil penggalian pola asosiasi yang menggunakan data testing hanya menghasilkan lima pola yang bisa digunakan untuk mengukur ketepatan karena data testing yang digunakan hanya dalam jangka waktu empat bulan. Pola-pola yang juga muncul pada data testing antara lain: – Jika pelanggan membeli Khazanah Manjakani Sarapat maka pelanggan juga akan membeli Kristal

Fresh dengan nilai akurasi 87%.

– Jika pelanggan membeli Avelon HFC & Scalp maka pelanggan juga akan membeli Avelon HFC & Hair dengan nilai akurasi 87%.

– Jika pelanggan membeli Bioglo Shape & dan Lelan Burst Serum maka pelanggan juga akan membeli Nn Liquid Chlorofyl dengan nilai akurasi 64%.

– Jika pelanggan membeli Bioglo Rose Hip Oil dan Mildura Black Glutinous maka pelanggan juga akan membeli Kristal Fresh dengan nilai akurasi 40%.

– Jika pelanggan membeli Bioglo Shape & Trim dan Lelan Burst Serum maka pelanggan juga akan membeli Kristal Fresh dengan nilai akurasi 40%.

TERIMAKASIH

SIDANG TUGAS AKHIR

PENGGALIAN POLA ASOSIASI PADA DATA WAREHOUSE AGEN PERUSAHAAN MANUFAKTUR DENGAN MENGGUNAKAN MICROSOFT SQL SERVER (STUDI KASUS: PT. XYZ)

sidang tugas akhir penggalian pola asosiasi pada data ... file1. membantu pengelolaan data penjualan...

Documents